算法训练 Day44

最新推荐文章于 2024-10-15 14:48:32 发布

m0_73129924

最新推荐文章于 2024-10-15 14:48:32 发布

阅读量46

点赞数

文章标签：算法 leetcode 职场和发展 python

本文链接：https://blog.csdn.net/m0_73129924/article/details/129276596

版权

文章介绍了两个使用完全背包策略的编程问题——518.零钱兑换II和377.组合总和Ⅳ。在解题过程中，强调了先物品后背包（组合问题）以及先背包后物品（排列问题）的区别，并提供了相应的动态规划解决方案，通过初始化dp数组和递推公式来计算组合数量。

摘要由CSDN通过智能技术生成

518. 零钱兑换 II

解题思路：完全背包

先物品后背包（组合问题）

先背包后物品（排列问题）

class Solution:
    def change(self, amount: int, coins: List[int]) -> int:
        #dp[j] 凑成金额为j有dp[j]种方法
        #初始化
        dp = [0] * (amount + 1)
        dp[0] = 1
        # 都顺序遍历，必须先物品后背包（组合）
        for i in range(len(coins)):
            for j in range(coins[i],amount+1):
                #递推公式
                dp[j] += dp[j-coins[i]]
        return dp[-1]

377. 组合总和 Ⅳ

解题思路：完全背包

先背包后物品（排列问题）

class Solution:
    def combinationSum4(self, nums: List[int], target: int) -> int:
        #凑成目标正整数为j的排列个数为dp[j]（排列问题）

        #初始化
        dp = [0] * (target+1)
        dp[0] = 1
        
        #遍历顺序（先背包后物品）
        for j in range(0,target+1):
            for i in range(len(nums)):
                if j >= nums[i]:   
                    #递推公式         
                    dp[j] += dp[j-nums[i]]

        return dp[-1]